模块化神经网络的系统结构和学习算法

• 作者: 凌卫新 郑启伦 陈琼
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模块化结构 神经网络 学习算法 分解判定
• 年，卷（期）: 2001,（19）
• 所属期刊栏目: 博士论坛
• 页码范围: 13-15,72
• 页数: 4页
• 分类号: TP183
• 字数: 4165字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2001.19.005

摘要

提出了一种基于模块化的神经网络的系统结构和学习算法,它通过用分解判定子模块对输入向量的适当分区域、由合成子网将各区域的结果合成,实现了复杂任务的自动分解判定和模块化训练策略.一般函数逼近和三维墨西哥草帽等2个实现表明,该文提出的结构和算法是可行的、有效的;与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有并行性高、通用性强、对新增样本易于学习、便于硬件实现等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑启伦	华南理工大学电子与信息学院计算机系	103	1003	17.0	26.0
2	陈琼	华南理工大学电子与信息学院计算机系	21	287	8.0	16.0
3	凌卫新	华南理工大学应用数学系	21	130	8.0	10.0